ІНТЕЛЕКТУАЛІЗОВАНА СИМУЛЯЦІЙНА ПІДГОТОВКА МАЙБУТНІХ АКУШЕРІВ-ГІНЕКОЛОГІВ: НОВА ПАРАДИГМА МЕДИЧНОЇ ОСВІТИ (ОГЛЯД ЛІТЕРАТУРИ)

Автор(и)

DOI:

https://doi.org/10.32782/health-2026.1.10

Ключові слова:

штучний інтелект, симуляційне навчання, медична освіта, акушерство та гінекологія, адаптивні освітні технології

Анотація

Симуляційне навчання впродовж останніх років стало одним із ключових інструментів підготовки лікарів у світі. В акушерстві та гінекології, де клінічні рішення часто ухвалюються в умовах дефіциту часу та підвищеного ризику, особливої ваги набуває створення безпечних, контрольованих і реалістичних освітніх середовищ. Традиційні методи підготовки не завжди забезпечують достатній контакт із рідкісними або критичними клінічними ситуаціями та не дозволяють сформувати стійкі практичні навички до рівня автоматизму. У межах огляду проаналізовано сучасні літературні дані щодо застосування технологій штучного інтелекту в акушерстві та гінекології з акцентом на три основні напрями: моделювання ризиків вагітності, використання алгоритмів глибокого навчання для інтерпретації діагностичних зображень і функціонування інтелектуальних клінічних асистентів. Показано, що інтеграція штучного інтелекту в симуляційні платформи сприяє персоналізації навчальних сценаріїв, автоматизованому оцінюванню дій здобувачів освіти та підвищенню реалістичності клінічних моделей. Симуляційні центри забезпечують не лише вдосконалення технічних навичок, а й розвиток командної взаємодії та клінічної комунікації, що має вирішальне значення в умовах невідкладної допомоги. Водночас симуляційне навчання відповідає принципам етичної безпеки, оскільки дозволяє формувати професійну компетентність без ризику для пацієнтів. Окрему увагу приділено сучасному стану впровадження симуляційних технологій в Україні та визначено основні бар’єри і перспективи їх розвитку. Висновок. Інтелектуалізоване симуляційне навчання є перспективним напрямом удосконалення підготовки акушерів-гінекологів і підвищення подальшої безпеки пацієнтів.

Посилання

Cook DA, Hatala R, Brydges R, Zendejas B, Szostek JH, Wang AT, Erwin PJ, Hamstra SJ. Technology-enhanced simulation for health professions education: a systematic review and meta-analysis. JAMA. 2011;306(9):978–988. https://doi.org/10.1001/jama.2011.1234

McKinsey Global Institute. The state of AI in healthcare and medical education. McKinsey & Company. 2023.

McKinnon LM, Reardon EM. Obstetrics and Gynecology Hospitalists as champions of drills and simulation. Obstet Gynecol Clin North Am. 2024. https://doi.org/10.1016/j.ogc.2024.05.006

Crofts JF, Winter C, Sowter MC, Draycott TJ. Simulation training for shoulder dystocia and postpartum hemorrhage. BJOG. 2023;130(5):602–610. https://doi.org/10.1111/1471-0528.17321

Міністерство охорони здоров’я України. Система eHealth в Україні: стан та перспективи розвитку. Київ: МОЗ України; 2023.

Міністерство освіти і науки України. Стандарти медичної освіти та впровадження симуляційного навчання. Київ: МОН України; 2022.

Українська асоціація медичної освіти. Стан та перспективи розвитку симуляційних центрів в Україні. Київ: УАМО; 2024.

Society for Simulation in Healthcare. Simulation Center Benchmarking Report. SSH; 2024.

Gonzalez AK, Butler JR. Obstetrics and gynecologic hospitalists and their focus: impact on safety and quality metrics. Obstet Gynecol Clin North Am. 2024. https://doi.org/10.1016/j.ogc.2024.05.001

Chen Z, Liu Z, Du M, Wang Z. Artificial intelligence in obstetric ultrasound: an update and future applications. Front Med. 2021;8:733468. https://doi.org/10.3389/fmed.2021.733468

Recker F, Weber E, Strizek B, Gembruch U, Westerway SC, Dietrich CF. Point-of-care ultrasound in obstetrics and gynecology. Arch Gynecol Obstet. 2021. https://doi.org/10.1007/s00404-021-05972-5

Dick K, Humber J, Ducharme R, Dingwall-Harvey A, Armour CM, Hawken S, Walker MC. The transformative potential of AI in obstetrics and gynaecology. J Obstet Gynaecol Can. 2023. https://doi.org/10.1016/j.jogc.2023.102277

Zhang Y, Chen L, Wang X, Li J, Zhou Q. Prediction of adverse pregnancy outcomes using machine learning models. Am J Obstet Gynecol. 2023;228(4):410–420. https://doi.org/10.1016/j.ajog.2022.12.034

Devoe LD, Muhanna M, Maher J, Evans MI, Klein-Seetharaman J. Current state of artificial intelligence model development in obstetrics. Obstet Gynecol. 2024. https://doi.org/10.1097/AOG.0000000000005944

Drukker L, Noble JA, Papageorghiou AT. Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology. Ultrasound Obstet Gynecol. 2020. https://doi.org/10.1002/uog.22122

Shen YT, Chen L, Yue WW, Xu HX. Artificial intelligence in ultrasound. Eur J Radiol. 2021. https://doi.org/10.1016/j.ejrad.2021.109717

Emin EI, Emin E, Papalois A, Willmott F, Clarke S, Sideris M. Artificial intelligence in obstetrics and gynaecology: is this the way forward? In Vivo. 2019. https://doi.org/10.21873/invivo.11635

Gupta R, Srivastava D, Sahu M, Tiwari S, Ambasta RK, Kumar P. Artificial intelligence to deep learning: machine intelligence approach for drug discovery. Mol Divers. 2021. https://doi.org/10.1007/s11030-021-10217-3

Liu S, Russo C, Suero Molina E, Di Ieva A. Artificial intelligence methods. In: Artificial Intelligence in Neurosurgery.2024. https://doi.org/10.1007/978-3-031-64892-2_3

Rajkomar A, Dean J, Kohane I. Machine learning in medicine. N Engl J Med. 2019;380(14):1347–1358. https://doi.org/10.1056/NEJMra1814259

##submission.downloads##

Опубліковано

2026-05-29

Номер

Розділ

МЕДИЦИНА